文献

J-GLOBAL ID：202202282455692732   整理番号：22A1105650

共分散特徴は多変量時系列分類における低資源貯留層計算性能を改善する【JST・京大機械翻訳】

Covariance Features Improve Low-Resource Reservoir Computing Performance in Multivariate Time Series Classification

著者 (5件)： Lawrie Sofia (Center for Brain and Cognition, Department of Information and Communication Technologies, Universitat Pompeu Fabra, Barcelona, Spain) ,  Moreno-Bote Ruben (Center for Brain and Cognition, Department of Information and Communication Technologies, Universitat Pompeu Fabra, Barcelona, Spain) ,  Moreno-Bote Ruben (Serra Hunter Fellow Programme, Universitat Pompeu Fabra, Barcelona, Spain) ,  Gilson Matthieu (Center for Brain and Cognition, Department of Information and Communication Technologies, Universitat Pompeu Fabra, Barcelona, Spain) ,  Gilson Matthieu (Institute of Neuroscience and Medicine (INM-6), Institute for Advanced Simulation (IAS-6), JARA Institute Brain Structure-Function Relationships (INM-10), Juelich Research Centre, Juelich, Germany)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1420  ページ： 587-601  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 生物学的システムは,一般に時系列である入力の広い多様性に対する学習において,大きな性能と柔軟性を示す。それらの生物学的対応物に触発されて,分類のための機械学習で使用される人工ニューラルネットワークは,入力信号内の活動パターンを抽出し,それらをカテゴリーを表す立体型出力パターンに変換する。広大多数では,それらは出力における固定目標値に依存し,確率を表現し,あるいは,一次統計量に対する時系列のケースで対応する勝者-全決定を実行する。言い換えれば,時系列のそのような分類のための基礎は入力高次統計のアウトプット一次統計量への変換である。しかし,入力統計の二次または高次統計量への変換は,まだあまり検討されていない。ここでは,通常の分類器(ロジスティック回帰)に供給する前に,入力多変量時系列統計に情報を入力多変量時系列統計に写像する貯留層に基づく計算スキームを考察した。この共分散復号化を,多変量時系列の合成および実データセットの両者による分類のために貯水池に適用した”古典的”平均復号化と比較した。共分散復号化は入力信号から二次統計量の広い多様性を抽出でき,より小さな資源(即ち,貯留層サイズ)でより高い性能が得られることを示した。著者らの結果は,複雑な空間-時間構造で入力信号を効率的に表現し,処理するための統計的順序間の精巧な入出力マッピングの特性評価の道を開いた。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 貯水池 ,  情報 ,  生体系 ,  分類 ,  特性 ,  ニューラルネットワーク ,  時系列 ,  *共分散 ,  復号化 ,  柔軟性 ,  統計量 ,  機械学習 ,  高次統計量
準シソーラス用語： ロジスティック回帰分析 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： 時系列分類 ,  貯留層計算 ,  バイオインスパイアード計算 ,  共分散

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  神経系一般  (EJ12010J)

タイトルに関連する用語 (7件)： 共分散 ,  多変量 ,  時系列 ,  分類 ,  資源 ,  貯留層 ,  計算